杨雪蓉
- 作品数：13 被引量：37H指数：3
- 供职机构：苏州大学更多>>
- 发文基金：国家自然科学基金江苏省高校自然科学研究项目国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术语言文字更多>>
- 基于语义依存线索的事件关系识别方法研究被引量：14
- 2013年
- 以事件为基本语义单元,基于事件的篇章结构信息及语义特征,通过分析事件的语义依存关系及其在演化过程中的语义依存规律,提出基于语义依存线索的事件关系识别方法,实现事件语义关系的浅层检测:判定事件之间是否存在语义关系。实验结果显示,相比于传统的基于语义相似度的识别方法,新提出的基于事件语义依存线索的事件关系识别方法获得了5%的性能提升。
- 马彬洪宇杨雪蓉姚建民朱巧明
- 关键词：依存分析
- 基于跨场景推理的事件关系检测方法被引量：1
- 2014年
- 事件关系检测是一项面向事件之间逻辑关系的自然语言处理技术。事件关系识别的核心任务是以事件为基本语义单元,通过分析事件的篇章结构信息及语义特征,实现事件逻辑关系的深层检测。该文首次建立一套事件关系检测的任务和研究体系,包括任务定义、关系体系划分、语料采集与标注、评价方法等。同时,该文提出了一种跨场景推理的事件关系检测方法,该方法认为,具有相同事件场景的"事件对",往往具有相同的事件关系类型。该文提出的基于跨场景推理的事件关系检测方法在针对四大类事件关系类型的检测精确率为54.21%。
- 杨雪蓉洪宇陈亚东王潇斌姚建民朱巧明
- 关键词：框架语义
- 一种事件类型抽取方法和装置
- 本申请提供了一种事件类型抽取方法和装置，该方法包括：从预置的语料库中提取出候选语料词语；基于所述语料库，确定预置的触发词集合中的基准触发词与所述候选语料词语的关联性，其中，所述基准触发词为通过自动内容抽取技术确定的；对于...
- 杨雪蓉洪宇姚建民朱巧明
- 事件关系检测的任务体系概述被引量：2
- 2015年
- 事件关系检测是一项面向文本信息流进行事件关系判定的自然语言处理技术。事件关系检测的核心任务是以事件为基本语义单元,通过分析事件之间的语义关联特征,实现事件逻辑关系的识别与判定,包括关系识别(即识别有无逻辑关系)和关系判定(即判定逻辑关系类型,如"因果"关系)。目前,专门面向事件的逻辑关系分析与处理,尚未形成一套完整的研究体系。针对这一问题,该文借助篇章分析、事件抽取和场景理解等相关领域中的概念与数据资源,尝试建立一套事件关系检测的任务和研究体系,包括任务定义、关系体系划分、语料采集与标注、评价方法等。同时,该文着重分析和对比了事件关系检测与篇章关系检测的差异,并给出了事件关系检测任务的难点与挑战。
- 杨雪蓉洪宇陈亚东姚建民朱巧明
- 关键词：篇章分析论元语义关系
- 事件关系检测的语言学资源、评测及研究综述被引量：2
- 2014年
- 事件关系是一种客观存在于事件之间的逻辑关系,事件关系检测是一项面向文本信息流进行事件关系判定的自然语言处理技术。事件关系检测的核心任务是以事件为基本语义单元,通过分析事件的篇章结构特征及语义特征,借助语义关系识别和推理,对事件关系进行自动分析与理解。事件关系检测技术在自动文摘,自动问答,信息检索等领域有着广泛的应用。首先介绍事件关系检测的任务定义、语言学资源和评测方法;然后,回顾国内外现有的主要研究方法;最后,给出这一研究的关键问题及技术难点。
- 杨雪蓉马彬洪宇姚建民朱巧明
- 关键词：事件抽取
- 一种外延事件关系识别方法及系统
- 本申请公开了一种外延事件关系的识别方法及系统，方法包括：计算第一目标外延事件与语料库中的各个子句的相似度值，并选择相似度值满足阈值且最大的子句为基准子句，以其为标准抽取上下文第一预设个数的子句确定为候选相关事件，计算候选...
- 洪宇姚建民马彬杨雪蓉
- 文献传递
- 面向框架语义分析的目标词自动识别方法被引量：2
- 2015年
- 提出了一种基于监督学习的目标词自动识别方法,分析并检验了多种区分目标词、框架元素和非实义词的分类特征,并在此基础上,联合使用监督学习与规则匹配方法,形成了兼顾扩展性和精确性的目标词识别系统。在Frame Net语料集的实验结果显示,融合方法的目标词识别获得了3.86%的性能提升。
- 陈亚东洪宇杨雪蓉王潇斌姚建民朱巧明
- 关键词：框架语义
- 基于推理线索构建的事件关系识别方法被引量：2
- 2014年
- 利用同一话题下的事件元素在话题内的分布特性以及事件元素在话题演化过程中的语义依存规律,提出基于推理线索构建的事件关系识别方法。实验结果显示,相比于基于核心词和实体推理的事件关系识别方法,所提出的方法在F值上获得9.57%的性能提升。
- 马彬洪宇杨雪蓉姚建民朱巧明
- 利用框架语义知识优化事件抽取被引量：4
- 2017年
- 事件抽取旨在把含有事件信息的非结构化文本以结构化的形式予以呈现。现有的基于监督学习的事件抽取方法往往受限于数据稀疏和分布不平衡问题,具有较低的召回率。针对这一问题,该文提出一种利用框架语义优化事件抽取的方法,引入框架类型作为泛化特征,在此基础上进行框架类型和事件类型的映射,然后结合框架类型识别模型和事件类型识别模型进行协作判定,以此优化事件抽取的召回性能。实验结果显示,针对触发词(事件类型)识别任务,相较于仅使用事件类型识别模型,该文提出的框架语义辅助的事件类型识别模型能够提高抽取召回率6.44%(5.74%),提高F值1.45%(0.83%)。
- 陈亚东洪宇王潇斌杨雪蓉姚建民朱巧明
- 关键词：事件抽取信息抽取框架语义
- 基于核心词和实体推理的事件关系识别方法被引量：12
- 2014年
- 事件关系识别是一项面向文本信息流进行事件关系判定的自然语言处理技术。事件关系识别的核心任务是以事件为基本语义单元,通过分析事件的篇章结构信息及语义特征,实现事件逻辑关系的浅层检测(即判定任意事件之间是否存在逻辑相关性)。该文通过利用同一话题下事件的核心词及实体的分布特性,针对同一话题下事件关系识别任务,提出一种基于核心词和实体推理的事件关系识别方法。实验结果显示,该文方法明显优于基于事件语义依存线索的事件关系识别方法,F值获得了15.34%的提升。
- 杨雪蓉洪宇马彬姚建民朱巧明
